一类受扰线性采样数据系统的鲁棒执行器故障估计

针对一类含有外部干扰的线性采样数据系统, 本文研究了执行器故障估计问题. 首先, 文章设计了一种用于估计系统执行器故障的鲁棒故障估计观测器, 在连续采样时间间隔内, 观测器增益矩阵指数变化. 之后, 通过联合增广状态估计误差与故障误差, 并利用Lyapunov-Krasovskii泛函和线性矩阵不等式技术, 给出了保证误差系统全局渐近稳定的充分条件. 同时, 建立的线性矩阵不等式条件涉及调谐参数和最大采样间隔, 可以较好改善状态和故障估计性能. 最后, 通过对某型民航飞机模型实例进行仿真, 验证了本文所提方法具有更好的跟踪效果     

一类基于状态估计的非线性系统的智能故障诊断

针对一类含有建模误差的非线性系统,研究了基于状态估计的智能故障诊断方法.首先提出一种状态估计器设计方法;然后在进行状态估计的同时用RBF神经网络来逼近系统所发生的故障.故障估计器的输入为系统的状态估计,所估计出的故障既可用作故障容错控制,也可用作报警.根据微分同胚,将含有建模误差的非线性系统变换为易于分析的规范形式,并在此基础上分析了故障诊断系统的稳定性和鲁棒性.仿真例子证明了该方法的有效性.     

马尔可夫跳变系统基于观测器的有限时间容错控制

针对具有一般不确定转移速率的单边Lipschitz Markovian跳变系统,设计了有限时间故障估计观测器和容错控制器.首先,提出一种自适应的有限时间故障估计观测器,它对未知输入具有鲁棒性,能够同时估计出系统的状态、执行器故障和传感器故障,并确保了误差系统的H_∞有限时间有界.然后,基于所估计的状态和执行器故障,提出一种有限时间故障容错控制方法确保闭环系统H_∞有限时间有界.通过线性矩阵不等式的形式,给出了所设计的有限时间观测器和控制器存在的充分条件.最后,通过一个仿真实例,验证了所提方法的有效性.     

非线性切换系统基于观测器的容错控制器设计

针对一类具有执行器故障的非线性切换系统,研究基于系统状态估计和故障重构的容错控制问题.首先,在具有平均驻留时间(ADT)的切换信号下,设计一种切换PI观测器作为状态-故障估计器,以达到对系统状态和故障同时渐近估计的目的;其次,基于线性矩阵不等式,给出非线性切换系统观测器存在的充分条件;再次,基于PI观测器给出的状态和故障估计,提出一种非线性切换系统的容错控制器设计方法;最后,以一个电子电路为仿真实例进行分析,验证了所提出方法的可行性和适用性.     

具有积分测量和时延的离散线性变参数系统故障与状态估计

故障检测与诊断(FDD)技术可以有效地提高系统的安全性和可靠性,因此受到越来越多的关注.目前,关于离散系统的状态和故障估计问题的研究还不够充分.本文针对具有积分测量和时延的线性变参数(LPV)系统,提出了一种同时估计执行器/传感器故障和状态的方法.首先,系统当前状态、系统延迟状态和传感器故障构造一个扩维状态,得到广义离散LPV系统.其次,给出了该观测器存在的充分条件并证明观测器是H∞稳定的.然后,将系统状态、执行器和传感器故障的同时估计转化为矩阵不等式的求解问题,给出了观测器待设计矩阵的计算过程.最后,通过仿真验证了该方法的有效性.     

利用混合卡尔曼滤波的混沌信号盲估计

针对混沌动力学系统时变参数未知的混沌信号,在含有状态噪声的情况下,利用混合卡尔曼滤波提出一种盲估计算法.对未知参数和混沌状态构成的高维状态进行估计,先利用卡尔曼滤波给出线性高斯部分的最优精确估计,剩余部分利用粒子滤波方法给出次优估计,文中详细研究了高斯噪声以及非高斯噪声下的最优重要性函数选取并推导了重要性权重的计算公式,最终基于有效粒子的最小均方误差准则实现了信号的盲估计.仿真结果表明该算法能有效实现含有状态噪声混沌信号的盲估计,并取得了比基本粒子滤波算法更优的性能.     

基于粒子滤波与线性自回归的故障预测算法

粒子退化是粒子滤波在故障预测应用中存在的主要问题.针对粒子滤波算法样本贫化问题,提出一种基于粒子滤波与线性自回归的故障预测算法.在算法的状态估计阶段,使用混合状态系统模型和粒子滤波算法对系统状态的概率密度函数进行估计,并实时给出故障发生概率;在算法的状态预测阶段,采用线性自回归模型对故障征兆随时间的演化情况进行估计及修正,同时给出剩余使用寿命的概率密度函数.故障预测仿真实验结果证明了算法的有效性.     

基于观测器的发电机功角与故障估计

针对发电机功角与故障估计这个问题,提出一种利用观测器的方法.该方法通过对系统数学模型进行状态变换,将数学模型分为含故障与不合故障两部分.对不合故障部分设计观测器,然后经过状态变换可以得到功角信息.在故障估计过程中,通过增广误差系统设计增广观测器可以得到故障的幅值.最后通过Matlab仿真分析,验证基于观测器功角与故障估计方法的有效性,结果表明该方法具有速度快、误差小的优点.     

不确定线性系统有限时间状态估计与故障重构

针对具有外部干扰和执行器故障的不确定线性系统,给出了一种有限时间内估计系统状态及重构执行器故障的方法．首先,通过状态和输出等价变换,得到不受执行器故障和建模不确定信息干扰的降维解耦系统．在此基础上设计有限时间状态估计器,并设置任意小的时延参数,实现对降维系统状态的有限时间估计,从而达到对原系统状态有限时间估计的目的;其次,考虑高增益滑模微分器对系统输出微分进行有限时间估计;之后,在原系统状态和系统输出微分有限时间估计的基础上,提出一种对系统不确定信息和执行器故障同时估计的方法;最后,通过对具有执行器故障的F-16飞行器纵向系统模型进行仿真,验证所提方法的有效性．     

基于鲁棒正不变集的传感器故障区间估计

针对具有传感器故障和未知扰动与测量噪声的线性离散系统, 提出了一种传感器故障区间估计方法. 将传感器故障视为增广状态, 原始系统转化为一个等效的广义系统. 为了得到故障的点估计同时抑制扰动和噪声的影响, 基于有界实引理设计了一个针对广义系统的鲁棒状态观测器. 然后, 通过中心对称多胞体技术实现对故障的区间估计并基于鲁棒正不变集给出了一种降低区间估计计算量的方法. 最后, 通过一个垂直起降(Vertical take-off and landing, VTOL)飞行器线性化模型的仿真算例验证了所提出方法的有效性与优越性.     

基于扩张变参数模型的风力机自适应故障估计

风力发电系统是复杂的空气动力学系统,有效的故障估计是保证发电系统可靠运行的重要方法.本文基于风力机变参数模型,提出一种基于扩张变参数模型的风力机自适应故障估计方法.首先阐述了风力机健康和故障变参数模型,基于此构造故障扩张模型,并利用线性变换得分块矩阵可观测标准型来完成自适应极点配置,进一步分别在扩张系统为奇、偶阶次下给出观测器设计定理及收敛性证明,从而实现扩张自适应观测器设计.最后,在4.8 MW的风力机标准模型上考虑系统元部件和执行器故障的在线估计.仿真结果验证了本文方法的有效性和可靠性.     

A Novel Fuzzy Approach for State Estimation of Nonlinear Hybrid Systems Using Particle Filtering Method

Reliable state estimation is challenging for nonlinear hybrid systems. Particle filtering has emerged as an appealing approach for online hybrid state estimation. Mode detection in nonlinear hybrid systems is, however, a troublesome issue for the conventional particle filter mainly due to sample impoverishment. The problem is also exacerbated when dynamics that govern healthy or faulty modes are close together. False mode detection consequently leads to erroneous continuous state estimation. This paper proposes a novel fuzzy‐based particle filter to reduce continuous state estimation errors due to failures in mode detection. It is fulfilled by considering a fuzzified contribution of each feasible mode in overall estimation. In addition, two new resampling strategies are presented to tackle the degeneracy problem. A set of simulation test studies are conducted to extract the characteristic features and evaluate the performance of the proposed algorithm compared to observation and transition‐based most likely modes tracking particle filter (OTPF) as one of the most meticulous proposed estimation algorithms. The simulation results demonstrate the superior efficiency of the algorithm in dealing with the considered potential estimation problems.     

Fault-tolerant control for a class of nonlinear sampled-data systems via a Euler approximate observer

In this paper, a fault-tolerant control (FTC) scheme is developed for a class of nonlinear sampled-data systems. First, a Euler approximate discrete model is used to describe the plant under the sampling. Under this model, an observer-based fault estimation method is proposed. To guarantee the accuracy of both the state and fault estimation values, the conditions to make the approximate model consistent with the exact model are presented. Then, an active fault-tolerant controller, which has a constraint condition for the sampling time, is designed to make the faulty system stable. Finally, an inverted pendulum is used to show the efficiency of the proposed method.     

Active fault tolerant control using state-space self-tuning control approach

This paper presents a new fault tolerant control scheme for unknown multivariable stochastic systems by modifying the conventional state-space self-tuning control approach. For the detection of faults, a quantitative criterion is developed by comparing the innovation process errors occurring in the Kalman filter estimation algorithm, which, for faulty system recovery, a weighting matrix resetting technique is developed by adjusting and resetting the covariance matrices of the parameter estimate obtained in the Kalman filter estimation algorithm to improve the parameter estimation of the faulty systems. The proposed method can effectively cope with partially abrupt and/or gradual system faults and/or input failures with fault detection. The modified state-space self-tuning control scheme can be applied to the multivariable stochastic faulty system without requiring prior knowledge of system parameters and noise properties.     

非均匀采样数据系统时变故障估计与调节最优集成设计

针对一类发生连续时变故障的非均匀采样数据系统,建立了一套主动容错控制最优设计方案. 首先,为了实现基于非均匀离散采样输出对连续故障的估计,同时鉴于现有自适应故障诊断方法无法直接推广于非均匀采样数据系统,提出一种连续时间增广观测器最优设计方法,既能保证故障估计误差快速收敛同时又对外界干扰鲁棒;并且提出一个迭代算法对故障估计延迟与系统鲁棒性进行权衡;进一步地,基于所获得的故障信息,并考虑估计误差和时变故障内采样特性对容错控制带来的不利因素,设计基于状态反馈的非均匀采样容错控制器来快速恢复故障系统性能;最后,通过对四容水箱基准实例的仿真来验证所提方法的有效性.     

加权有向图社区发现的子系统划分

提出一种基于加权有向图的社区发现子系统划分方法, 并应用于分布式状态估计设计. 针对一类复杂非线 性系统, 构建考虑连接边强度的加权有向图, 引入社区发现算法将复杂非线性系统划分成多个子系统. 同时考虑子 系统之间连接边的数量和有向图顶点之间的连接强度, 使得划分得到的子系统内部关联较强, 而子系统之间的耦合 强度较弱. 针对划分得到的子系统, 设计基于信息交互的分布式滚动时域估计算法, 并与已有的子系统划分方法对 比, 在相同的状态估计设定下, 所提出的子系统划分方法能够有效提高状态估计的性能.     

Robust fault diagnosis scheme in a class of nonlinear system based on UIO and fuzzy residual

In this study, a novel robust fault diagnosis scheme is developed for a class of nonlinear systems when both fault and disturbance are considered. The proposed scheme includes both component and sensor fault with nonlinear system that transferred to nonlinear Takagi-Sugeno (T-S) model. It considers a larger category of nonlinear system when fuzzification is used for only nonlinear distribution matrices. In fact the proposed method covers nonlinear systems could not transform to linear T-S model. This paper studies the problem of robust fault diagnosis based on two fuzzy nonlinear observers, the first one is a fuzzy nonlinear unknown input observer (FNUIO) and the other is a fuzzy nonlinear Luenberger observer (FNLO). This approach decouples the faulty subsystem from the rest of the system through a series of transformations. Then, the objective is to design FNUIO to guarantee the asymptotic stability of the error dynamic using the Lyapunov method; meanwhile, FNLO is designed for faulty subsystem to generate fuzzy residual signal based on a quadratic Lyapunov function and some matrices inequality convexification techniques. FNUIO affects only the fault free subsystem and completely removes any unknown inputs such as disturbances when residual signal is generated by FNLO is affected by component or sensor fault. This novelty and using nonlinear system in T-S model make the proposed method extremely effective from last decade literature. Sufficient conditions are established in order to guarantee the convergence of the state estimation error. Thus, a residual generator is determined on the basis of LMI conditions such that the estimation error is completely sensitive to fault vector and insensitive to the unknown inputs. Finally, an numerical example is given to show the highly effectiveness of the proposed fault diagnosis scheme.     

微电网在虚假数据注入攻击下的增量检测机制

针对微电网环境下虚假数据注入攻击的状态估计问题，提出了一种基于分析状态测量值增量的攻击检测机制.在假设系统稳态的情况下，对系统测量值的增量，进行关于χ²的假设检验，能够有效检测出精心设计的攻击.对本文提出的方法在Matlab中进行仿真，实验结果表明在特定的系统情况下，对于非恒定的攻击，该方法能提高检测出攻击的成功率.     

故障检测及状态偏差估计的二级分解算法*

本文首先推导证明当参考模型和实际系统不相吻合时,根据参考模型建立的Kalman滤波器所产生的估计残差将与模型的偏离程度成正比,据此给出故障检测方法;其次推导出状态偏差形式的系统方程;最后将B·Friedland提出的分离估计法推广到状态偏差估计中,并进一步提出状态偏差估计的二级分解算法。